美的-NLP/大模型一面面经

给我面没招了，发点面经攒攒人品～1* 项目拷打2* 项目的数据来源是什么？你是如何确定优化目标的？3* 比如数据从 100 条扩充到 1.2 万条，是否全通过自动化生成？生成的样本具体是什么样的？举个例子说明一下生成前后的对比4* 怎么保证自动化生成数据的正确性呢5* 在通过调整参数直到模型回答正确为止的过程中，是否意味着生成的CoT中存在错误逻辑？6* 经过数据清洗后，最终用于SFT的有效数据量是多少？7* 在做微调时，除了 LoRA 是否对比过其他的微调算法8* 你是如何评价微调效果的？测试集的比例是多少？微调前后的准确率分别是多少？原有的模型性能保留了多少？9* LLM常用的结构是什么？10* 说一下Transformer 的整体结构11* 目前主流大模型最常用的位置编码是什么？。12* 写一下多头注意力机制的数学公式。13* 公式中为什么要除以 \sqrt{d_k}？其对梯度消失或梯度爆炸有什么影响？14* 在 Transformer 的 Encoder 和 Decoder 中，哪些部分是可以并行计算的，哪些不可以？15* 除了 LoRA，你还了解哪些微调方法？16* 大模型训练通常使用什么损失函数17* 在机器学习基础中，二分类问题、多分类问题以及回归问题分别使用什么损失函数？18* 你了解哪些优化算法19* 模型训练中出现过拟合的常用解决方案有哪些？

继续来分享下之前的面经~欢迎友好讨论，信息共享1讨论项目2什么是GAE3解释deepseek的MLA，分析可能有什么缺点4介绍deepseekV3.2的闪电索引器和可能的缺点5介绍MHC残差连接6什么是多头注意力7口述两个算法题，说出求根号的多重方法（牛顿，梯度下降，二分），二分法求到小数点后k位精度算法复杂度8一个哈希表题目，不是力扣

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.二元交叉熵3.常用的深度学习api4.VIT结构5.分类模型6.堆的数据结构7.手撕力扣中等题排序问题

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 项目拷打2.实习拷打3. 数据收集和处理，使用Grpah-Rag的优势，本项目中Grpah的作用。4. 训练数据的构建细节5. 遇到数据内容冲突时应该如何处理？6. Rec、MRR、Acc等常见检索指标。7. 除了LLM as a Judge，还有什么方法评测回答的效果？8. 当不同的专家对同一回答评分方差很大时应该怎么解决？9. 在校内的科研/实践经历。10. 常见的Agent和Memory管理的范式。11. 遇到的印象最深/工作量最多的实际工程编码问题。